Vectorize() vs apply()
Vectorize() vs apply()
提问于 2014-08-01 13:40:38
通常可以使用Vectorize()和R中的apply()函数来实现相同的目标。出于可读性的原因，我通常更喜欢将函数向量化，因为主调用函数与手头的任务有关，而sapply则不是。当我在R代码中多次使用这个矢量化函数时，它对Vectorize()也很有用。例如：
a <- 100
b <- 200
c <- 300
varnames <- c('a', 'b', 'c')
getv <- Vectorize(get)
getv(varnames)vs
sapply(varnames, get)但是，至少我很少在解决方案中看到Vectorize()的例子，只有apply() (或其中一个兄弟)。Vectorize()是否存在任何效率问题或其他合理的考虑，使apply()成为一个更好的选择？
回答 2
Stack Overflow用户
回答已采纳
发布于 2014-08-01 13:53:07
Vectorize只是mapply的包装器。它只为提供给它的任何函数构建一个mapply循环。因此，通常要做比Vectorize()更简单的事情，而显式的*apply解决方案最终在计算上是等价的，或者可能更优越。
另外，对于您的具体例子，您已经听说过mget，对吗？
Stack Overflow用户
发布于 2014-08-01 14:05:40
来补充托马斯的答案。也许也是速度？
# install.packages(c("microbenchmark", "stringr"), dependencies = TRUE)
require(microbenchmark)
require(stringr)
Vect <- function(x) { getv <- Vectorize(get); getv(x) }
sapp <- function(x) sapply(x, get)
mgett <- function(x) mget(x)
res <- microbenchmark(Vect(varnames), sapp(varnames), mget(varnames), times = 15)
## Print results:
print(res)
Unit: microseconds
expr min lq median uq max neval
Vect(varnames) 106.752 110.3845 116.050 122.9030 246.934 15
sapp(varnames) 31.731 33.8680 36.199 36.7810 100.712 15
mget(varnames) 2.856 3.1930 3.732 4.1185 13.624 15
### Plot results:
boxplot(res)
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/25081604
复制相关文章
相似问题
腾讯云开发者
